logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

【ACwing】二、 数据结构:826. 单链表+ 827. 双链表

文章目录826. 单链表827. 双链表回顾以及计划:用了一个多月的时间看完了acwing的第一章基础算法,并完成了相关笔记,接下来的系列是对第二章数据结构的笔记以及相关习题。我觉得学习速度有点慢了,争取在这一学期能把所有的课程完成,并着手一些java项目的实战。主要是学校这学期开了三门大课:编译原理,操作系统、计算机网络,老师讲的不咋的却总要阶段考试,害。826. 单链表输入样例:10H 9I

#数据结构#链表#算法
猴子大王【链表】

1.猴子大王有 n 只猴子围成一圈,编号为 1~n,打算从中选出一个大王。经过协商,决定选大王的规则如下:从第一只猴子开始循环报数,数到 k 的猴子出圈,然后从下一只猴子继续报数出圈……最后剩下来的那只猴子就是大王。inputs一行两个正整数 n 和 k,之间用一个空格分开,2≤n≤1000,2≤k≤10^9 。6 4outputs一行 n 个正整数,表示 n 只猴子依次出圈的编号,中间用一个空格

#c语言#c++
【ACwing】三、 搜索与图论: BFS——844. 走迷宫

本篇文章是一个简单的BFS问题,并用图示的方式详细解析了走迷宫问题的过程

#图论#算法#广度优先
【工作杂谈_20260731】数据平台与工程治理: MySQL 时区转换:UTC、北京时间与 PST/PDT 的对齐

记录在 Grafana、MySQL 和 Azure 跨时区场景中排查 create_time 展示差异的过程,并梳理 UTC、北京时间、PST/PDT 之间的转换关系与实践建议。

文章图片
#mysql#数据库
【Hive】 八、Hive 计算引擎:MapReduce / Tez / Spark 对比与选型

系统梳理大数据三类计算引擎(批处理 / 流处理 / 查询)的边界与职责,并深入对比 Hive 支持的 MapReduce、Tez、Spark 三种执行引擎的原理、优缺点与工程选型建议。

文章图片
#hive#mapreduce#spark
【Hive】Windows 使用 Docker Compose 搭建 Hive 4.1.0 + MySQL 持久化环境

记录在 Windows 本机通过 Docker Compose 搭建 HiveServer2、Hive Metastore 和 MySQL Metastore DB,并实现 Hive 元数据与表数据持久化的本地学习环境。

文章图片
#hive#windows#docker
【Hive】二、Hive 分区与分桶:深入理解 Hive 分区与分桶的原理、MapJoin、Bucket Map Join、SMB Join 以及最佳实践

本文分析了Hive表在1:不分区不分桶,2:分区不分桶,3:不分区分桶,4:分区分桶共四种情况下的执行原理与性能差异。

文章图片
#hive#hadoop#数据仓库
【Hive】一、Hive数据类型:基本数据类型、复杂数据类型

介绍Hive支持的基本数据类型(TINYINT、INT、DOUBLE、DECIMAL、STRING等)和复杂数据类型(ARRAY、MAP、STRUCT)

文章图片
#hive#hadoop#数据仓库
【Hive】三、Hive 抽样:讲解 Hive 三大抽样方式:分桶抽样、块抽样、随机抽样的原理、语法、性能对比与实战案例

讲解 Hive 三大抽样方式:分桶抽样、块抽样、随机抽样的原理、语法、性能对比与实战案例

文章图片
#hive#hadoop#数据仓库
【Hive】四、Hive SQL语法:Hive 数据库 / 表的 DDL(建库、建表、内外部表、分区、分桶、CTAS)以及 DQL 查询语法(SELECT、WHERE、GROUP BY、排序、JOIN

系统梳理 Hive 数据库 / 表的 DDL(建库、建表、内外部表、分区、分桶、CTAS)以及 DQL 查询语法(SELECT、WHERE、GROUP BY、各种排序、JOIN、UNION 等)

文章图片
#数据库#hive#sql
    共 38 条
  • 1
  • 2
  • 3
  • 4
  • 请选择